matplotlib数据可视化--散点图
scatter函数的参数解读
matplotlib模块中scatter函数语法及参数含义：
plt.scatter(x, y, s=20,
c=None, marker='o',
cmap=None, norm=None,
vmin=None, vmax=None,
alpha=None, linewidths=None,
edgecolors=None)
x：指定散点图的x轴数据；
y：指定散点图的y轴数据；
s：指定散点图点的大小，默认为20，通过传入新的变量，实现气泡图的绘制；
c：指定散点图点的颜色，默认为蓝色；
marker：指定散点图点的形状，默认为圆形；
cmap：指定色图，只有当c参数是一个浮点型的数组的时候才起作用；
norm：设置数据亮度，标准化到0~1之间，使用该参数仍需要c为浮点型的数组；
vmin、vmax：亮度设置，与norm类似，如果使用了norm则该参数无效；
alpha：设置散点的透明度；
linewidths：设置散点边界线的宽度；
edgecolors：设置散点边界线的颜色；
# 导入模块
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# 设置绘图风格
plt.style.use('ggplot')
# 设置中文编码和负号的正常显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
一般散点图的绘制
案例：汽车速度与刹车距离的关系--cars.csv
#导入数据
df = pd.read_csv('C:\\Users\\A\\Desktop\\16-03cars.csv')
df.head()
#绘图
plt.scatter(df.speed, # x轴数据为汽车速度
df.dist, # y轴数据为汽车的刹车距离
s = 30, # 设置点的大小
c = 'steelblue', # 设置点的颜色
marker = 's', # 设置点的形状
alpha = 0.9, # 设置点的透明度
linewidths = 0.3, # 设置散点边界的粗细
edgecolors = 'red' # 设置散点边界的颜色
)
# 添加轴标签和标题
plt.title('汽车速度与刹车距离的关系')
plt.xlabel('汽车速度')
plt.ylabel('刹车距离')
# 去除图边框的顶部刻度和右边刻度
plt.tick_params(top = 'off', right = 'off')
# 显示图形
plt.show()
这样一张简单的散点图就呈现出来了，很明显的发现，汽车的刹车速度与刹车距离存在正相关关系，即随着速度的增加，刹车距离也在增加。其实这个常识不用绘图都能够发现，关键是通过这个简单的案例，让大家学会如何通过python绘制一个散点图。如果你需要画的散点图，是根据不同的类别进行绘制，如按不同的性别，将散点图区分开来等。这样的散点图该如何绘制呢？
分组散点图的绘制
案例：iris数据集
# 读取数据
iris = pd.read_csv('C:\\Users\\A\\Desktop\\16-04iris.csv')
# 自定义颜色和形状
colors = ['steelblue', '#9999ff', '#ff9999']
marker = ['o','s','x']
# 三种不同的花品种
Species = iris.Species.unique()
# 通过循环的方式，完成分组散点图的绘制
for i in range(len(Species)):
plt.scatter(iris.loc[iris.Species == Species[i], 'Petal.Length'],
iris.loc[iris.Species == Species[i], 'Petal.Width'],
s = 35, c = colors[i], label = Species[i],marker = marker[i])
# 添加轴标签和标题
plt.title('花瓣长度与宽度的关系')
plt.xlabel('花瓣长度')
plt.ylabel('花瓣宽度')
# 去除图边框的顶部刻度和右边刻度
plt.tick_params(top = 'off', right = 'off')
# 添加图例
plt.legend(loc = 'upper left')
# 显示图形
plt.show()
从图中可以发现，三种花的花瓣长度与宽度之间都存在正向的关系，只不过品种setasa的体型比较小，数据点比较聚集。
matplotlib数据可视化--箱线图
箱线图一般用来展现数据的分布（如上下四分位值、中位数等），同时，也可以用箱线图来反映数据的异常情况。
boxplot函数的参数解读
绘图之前，我们先来讲解一下matplotlib包中boxplot函数的参数含义及使用方法：
plt.boxplot(x, notch=None, sym=None, vert=None,
whis=None, positions=None, widths=None,
patch_artist=None, meanline=None, showmeans=None,
showcaps=None, showbox=None, showfliers=None,
boxprops=None, labels=None, flierprops=None,
medianprops=None, meanprops=None,
capprops=None, whiskerprops=None)
x：指定要绘制箱线图的数据；
notch：是否是凹口的形式展现箱线图，默认非凹口；
sym：指定异常点的形状，默认为+号显示；
vert：是否需要将箱线图垂直摆放，默认垂直摆放；
whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差；
positions：指定箱线图的位置，默认为[0,1,2…]；
widths：指定箱线图的宽度，默认为0.5；
patch_artist：是否填充箱体的颜色；
meanline：是否用线的形式表示均值，默认用点来表示；
showmeans：是否显示均值，默认不显示；
showcaps：是否显示箱线图顶端和末端的两条线，默认显示；
showbox：是否显示箱线图的箱体，默认显示；
showfliers：是否显示异常值，默认显示；
boxprops：设置箱体的属性，如边框色，填充色等；
labels：为箱线图添加标签，类似于图例的作用；
filerprops：设置异常值的属性，如异常点的形状、大小、填充色等；
medianprops：设置中位数的属性，如线的类型、粗细等；
meanprops：设置均值的属性，如点的大小、颜色等；
capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等；
whiskerprops：设置须的属性，如颜色、粗细、线的类型等；
箱线图的绘制
案例：titanic整体乘客的年龄箱线图
#导入Titanic数据集
Titanic_df = pd.read_csv('C:\\Users\\A\\Desktop\\16-06titanic_train.csv')
Titanic_df.head()
# 查看缺失值
Titanic_df.isnull().sum()
PassengerId 0
Survived 0
Pclass 0
Name 0
Sex 0
Age 177
SibSp 0
Parch 0
Ticket 0
Fare 0
Cabin 687
Embarked 2
dtype: int64
#删除含有缺失值的行(inplace=True作用在原表上)
Titanic_df.dropna(subset=['Age'],inplace=True)
#绘图
plt.boxplot(x = Titanic_df['Age'],# 指定绘图数据
patch_artist=True,# 要求用自定义颜色填充盒形图，默认白色填充
showmeans = True,# 以点的形式显示均值
boxprops = {'color':'black','facecolor':'#9999ff'},
flierprops = {'marker':'o','markerfacecolor':'red','color':'black'}, # 设置异常值属性，点的形状、填充色和边框色
meanprops = {'marker':'D','markerfacecolor':'indianred'}, # 设置均值点的属性，点的形状、填充色
medianprops = {'linestyle':'--','color':'orange'}) # 设置中位数线的属性，线的类型和颜色)
#设置y轴的范围
plt.ylim(0,85)
#去除箱线图的上边框与右边框的刻度标签
#plt.tick_params(top = 'off',right = 'off')
#显示图形
plt.show()
对于所有乘客而言，从图中容易发现，乘客的平均年龄在30岁，有四分之一的人低于20岁，另有四分之一的人超过38岁，换句话说，有一半的人，年龄落在20~38岁之间；从均值（红色的菱形）略高于中位数（黄色虚线）来看，说明年龄是有偏的，并且是右偏；同时，我们也会发现一些红色的异常值，这些异常值的年龄均在64岁以上。
不同等级仓的年龄箱线图
# 按舱级排序，为了后面正常显示分组盒形图的顺序
Titanic_df.sort_values(by = 'Pclass', inplace=True)
# 通过for循环将不同仓位的年龄人群分别存储到列表Age变量中
Age = []
Levels = Titanic_df.Pclass.unique()
for Pclass in Levels:
Age.append(Titanic_df.loc[Titanic_df.Pclass==Pclass,'Age'])
# 绘图
plt.boxplot(x = Age,
patch_artist=True,
labels = ['一等舱','二等舱','三等舱'], # 添加具体的标签名称
showmeans=True,
boxprops = {'color':'black','facecolor':'#9999ff'},
flierprops = {'marker':'o','markerfacecolor':'red','color':'black'},
meanprops = {'marker':'D','markerfacecolor':'indianred'},
medianprops = {'linestyle':'--','color':'orange'})
# 显示图形
plt.show()
如果对人群的年龄按不同的舱位来看，我们会发现一个明显的趋势，就是舱位等级越高的乘客，他们的年龄越高，三种舱位的平均年龄为38、30和25，说明年龄越是偏大一点，他们的经济能力会越强一些，所买的舱位等级可能就会越高一些。同时，在二等舱和三等舱内，乘客的年龄上存在一些异常用户。
matplotlib数据可视化--折线图
折线图主要是看内容随时间变化的趋势情况
# 读取数据
df = pd.read_excel('C:/Users/A/Desktop/16-08user_analysis.xlsx')
df.head()
#删除第一行
df.dropna(axis = 0,inplace = True)
df.head()
# 设置画布大小
fig = plt.figure(figsize = (8,4))
#绘图
plt.plot(df['时间'], #x轴数据
df['新关注人数'],) #y轴数据
#添加标题和坐标轴标签
plt.title('公众号每天新增用户数')
plt.xlabel('日期')
plt.ylabel('新增人数')
fig.autofmt_xdate(rotation = 45)
#显示图形
plt.show()
双线（多线多加plt.plot）
# 绘图第一条
plt.plot(df['新关注人数'],# y轴数据
marker = 'o', # 点的形状
markersize = 5,# 点的大小
markerfacecolor = 'mediumpurple'# 点的填充色
)
#绘图第二条
plt.plot(df['取消关注人数'],# y轴数据
marker = 'o',# 点的形状
markersize = 5,# 点的大小
markerfacecolor = 'orangered'# 点的填充色
)
# 添加标题和坐标轴标签
plt.title('公众号关注情况')
plt.xlabel('日期')
plt.ylabel('新增人数')
fig.autofmt_xdate(rotation = 45)
# 显示图例
plt.legend()
# 显示图形
plt.show()
matplotlib数据可视化--直方图
# 导入数据
df = pd.read_excel(r'C:\Users\A\Desktop\16-10house_data.xlsx',
sheet_name = 'Sheet1')
df.head()
#绘制条形图
df['均价'].plot(kind = 'hist',color= 'r',
legend = True,edgecolor = 'b',title='上海徐汇区二手房均价分布直方图')
plt.xlabel('均价（元）')
plt.ylabel('计数')
Text(0, 0.5, '计数')
绘制累积分布直方图
alpha = 0.4#透明度
df['均价'].plot(kind='hist',cumulative = True,legend=True,
edgecolor = 'k',alpha=0.4,title='上海徐汇区二手房均价累积分布直方图')
